Impact of COVID-19 anxiety on loneliness and sleep quality of students and professionals in Bangladesh
Notice bibliographique
Résumé
The COVID-19 pandemic has globally affected almost every aspect of people's lives, especially, their physical and mental well-being. The degree of its impact, however, is different from place-to-place and person-to-person. Although there is a growing literature on the variable impact of the pandemic on the quality of sleep, loneliness, and mood across different populations (e.g., students, health-workers), little is known about how COVID-19-specific anxiety affects the loneliness feeling and sleep quality among students and employees, specifically, in a low-resource region like Bangladesh. The present study aimed to investigate the effect of COVID-related anxiety on the feeling of loneliness and sleep quality of students and professionals in Bangladesh. Additionally, we were interested in comparing the level of COVID-specific anxiety, loneliness, and quality of sleep between these two groups. In total, 211 Bangladeshi students and professionals participated in an online survey in August 2021 when the restriction was still in place. Measures of COVID-19 anxiety, loneliness, and sleep quality scales were used. Regression analysis indicated that overall loneliness and poor sleep quality were strongly predicted by COVID-specific anxiety regardless of being a student or professional. Almost half of the study population (48.3 %) felt severe loneliness and 70.01 % were bad sleepers. Mann-Whitney U test revealed that professionals felt more emotionally lonely, had a higher level of COVID-19-specific anxiety, and had poorer sleep quality than students. A better support structure should be implemented to help the population, particularly, the professionals to lessen their COVID-19-related anxiety and loneliness, and promote better sleep for alleviating stress and improved well-being.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».